Fast Online Object Tracking and Segmentation: A Unifying Approach

论文地址：

Github项目地址：

这是SiamMask（CVPR2019）的官方参考代码。 有关技术细节，请参阅：

Fast Online Object Tracking and Segmentation: A Unifying Approach

作者：Qiang Wang*, Li Zhang*, Luca Bertinetto*, Weiming Hu, Philip H.S. Torr （ * 表示付出同等贡献）

CVPR2019

[ Paper - 论文 ] [ Video - 视频（油管）] [ Project Page - 项目页面 ]

目录

环境设置

Demo

测试模型

环境设置

所有代码都已经在Ubuntu 16.04，Python 3.6，Pytorch 0.4.1，CUDA 9.2，GTX 2080 GPU的环境上进行了测试

克隆项目仓库

git clone  && cd SiamMask
export SiamMask=$PWD

设置python环境

conda create -n siammask python=3.6
source activate siammask
pip install -r requirements.txt
bash make.sh

将项目添加到PYTHONPATH

export PYTHONPATH=$PWD:$PYTHONPATH

Demo

设置 好使用环境

下载 SiamMask 模型

cd $SiamMask/experiments/siammask
wget -q 
wget -q 

运行 demo.py

cd $SiamMask/experiments/siammask
export PYTHONPATH=$PWD:$PYTHONPATH
python ../../tools/demo.py --resume SiamMask_DAVIS.pth --config config_davis.json

测试模型

设置 好使用环境

下载测试数据

cd $SiamMask/data
bash get_test_data.sh

下载预训练模型

cd $SiamMask/experiments/siammask
wget -q 
wget -q 

评估 VOT 的表现

bash test_mask_refine.sh config_vot.json SiamMask_VOT.pth VOT2016 0
bash test_mask_refine.sh config_vot.json SiamMask_VOT.pth VOT2018 0
python ../../tools/eval.py --dataset VOT2016 --tracker_prefix Cus --result_dir ./test/VOT2016
python ../../tools/eval.py --dataset VOT2018 --tracker_prefix Cus --result_dir ./test/VOT2018

评估 DAVIS 的性能（少于50秒）

bash test_mask_refine.sh config_davis.json SiamMask_DAVIS.pth DAVIS2016 0
bash test_mask_refine.sh config_davis.json SiamMask_DAVIS.pth DAVIS2017 0

评估 Youtube-VOS 的性能（需要 从网站下载数据 ）

bash test_mask_refine.sh config_davis.json SiamMask_DAVIS.pth ytb_vos 0

结果

以下是在本项目仓库复制的结果。 所有结果都可以从我们的 项目页面 下载。

跟 踪 器

VOT2016

EAO / A / R

VOT2018

EAO / A / R

DAVIS2016

J / F

DAVIS2017

J / F

Youtube-VOS

J_s / J_u / F_s / F_u

速度

SiamMask w/o Mask

0.412 / 0.623 / 0.233

0.363 / 0.584 / 0.300

- / -

- / -

- / - / - / -

76.95 FPS

SiamMask

0.433 / 0.639 / 0.214

0.380 / 0.609 / 0.276

0.713 / 0.674

0.543 / 0.585

0.602 / 0.451 / 0.582 / 0.477

56.23 FPS

注意：速度是在 GTX 2080 上测试的

License

本项目遵循MIT Licence

引用SiamMask

如果你需要使用代码，请引用下方的声明代码块：

@article{Wang2019SiamMask,
title={Fast Online Object Tracking and Segmentation: A Unifying Approach},
author={Wang, Qiang and Zhang, Li and Bertinetto, Luca and Hu, Weiming and Torr, Philip HS},
journal={The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)},
year={2019}
}

点击阅读原文，查看 更多关于 cvpr 顶会的讨论